2

我需要在任何给定的 wiki 页面中获取第一个图像/主图像。我可以使用抓取工具来做到这一点。但我正在使用 curl 来废弃页面。但可能是由于互联网连接速度较慢,仅废弃一个 wiki 页面需要很长时间。除此之外,我需要根据用户的查询同时显示至少 7-8 个不同的 wiki 图像。

因此,为此使用 curl 毫无意义。我试过wiki api

https://en.wikipedia.org/w/api.php?action=query&titles=India&prop=images&imlimit=1

但是我没有其他参数可以给这个列表排序。通常,此 api 返回的第一张图片不是您在页面顶部看到的主图片。有时图像离页面上下文太远。

我只需要为每个 wiki 标题显示一张图片。提前致谢。

4

4 回答 4

4

要经常对“主图像”进行很好的猜测,请使用prop=pageimagesMediaWiki 扩展“ PageImages提供的:

PageImages 扩展收集有关页面上使用的图像的信息。

其目的是返回与文章关联的最合适的单个缩略图,试图只返回有意义的图像,例如,不返回来自维护模板、存根或标志图标的图像。目前它使用页面中使用的第一个无意义的图像。

(文字为cc-by-sa 3.0作者列表

用法

引用MediaWiki API 文档

返回有关页面上图像的信息,例如缩略图和
照片的存在。
参数:

piprop
    返回哪些信息:

    缩略图
        与页面关联的图像的 URL 和尺寸(如果有)。
    姓名
        图片标题。

    值(用“|”分隔):缩略图、名称
    默认值:缩略图|名称

小拇指大小
    最大缩略图尺寸。
    默认值:50

限制
    返回多少页的属性。
    不超过 50 个(机器人为 100 个)。
    默认值:1

继续
    当有更多结果可用时,使用它继续。

例子

https://en.wikipedia.org/w/api.php?action=query&titles=India&prop=pageimages&pithumbsize=300

返回值:

{
    "query": {
        "pages": {
            "14533": {
                "pageid": 14533,
                "ns": 0,
                "title": "India",
                "thumbnail": {
                    "source": "https://upload.wikimedia.org/wikipedia/commons/thumb/b/b8/Political_map_of_India_EN.svg/256px-Political_map_of_India_EN.svg.png",
                    "width": 256,
                    "height": 300
                },
                "pageimage": "Political_map_of_India_EN.svg"
            }
        }
    }
}

更多示例:

于 2015-01-08T03:20:50.737 回答
3
api.php?action=query&titles=India&prop=images

为您提供按字母顺序排序的所有图像的完整列表。您可以从非api页面上的文档顺序中检索第一张图像。可能如果你将两者结合起来,你会得到最大的好处:

$topic = 'India';
$url = sprintf('http://en.wikipedia.org/wiki/%s', urlencode($topic));
$options = array(
    'http' => array(
        'user_agent' => 'Mozilla/5.0 (iPad; U; CPU OS 3_2 like Mac OS X; en-us) AppleWebKit/531.21.10 (KHTML, like Gecko) Version/4.0.4 Mobile/7B334b Safari/531.21.102011-10-16 20:23:50',
    )
);
$context = stream_context_create($options);
libxml_set_streams_context($context);
$doc = new DOMDocument();
$doc->loadHTMLFile($url);
$xp = new DOMXPath($doc);
$result = $xp->query('(//img[@class = "thumbimage"])[1]');
$image = ($result && $result->length) ? $result->item(0) : NULL;
echo $doc->saveXML($image), "\n";
于 2012-04-20T15:58:16.507 回答
2

似乎图像是按字母顺序返回的……很奇怪。

无论如何,这可能会更好:

https://en.wikipedia.org/w/api.php?action=parse&text={{Barack_Obama}}&prop=images

不幸的是,只有第一张图像可用,但至少它是正确的。

于 2012-04-20T15:05:11.833 回答
0
$wikipage = file_get_contents('http://en.wikipedia.org/wiki/Cats');
preg_match_all('/<img[^<]+?>/', $wikipage, $matches);

通常,主图像将是锁定之后的第二个匹配项(http://upload.wikimedia.org/wikipedia/commons/thumb/f/fc/Padlock-silver.svg/20px-Padlock-silver.svg.png)

于 2012-04-20T15:09:12.940 回答